[发明专利]一种面向异常传播的微服务智能监测方法

摘要

本发明涉及一种面向异常传播的微服务智能监测方法，基于代理技术监测服务调用信息，建立微服务调用拓扑图以刻画微服务间异常传播关系；采用Lasso回归建模接口调用与度量间关联，通过监测关联模型的变化检测异常微服务；基于PageRank算法评估微服务及其调用接口的异常程度，本发明实现了透明化服务监测，自动化度量值预测以发现异常服务，智能化评估图中节点的异常程度以检测问题根因。

主权项

1.一种面向异常传播的微服务智能监测方法，其特征在于，包括步骤如下：第一步，服务调用监测：基于代理技术监测服务调用信息，用多元组N＝(requestUID,serviceUID,spanUID,parentUID,info)记录服务调用关系，其中requestUID为请求标识符，在请求入口处生成，serviceUID为服务标识符，span表示一次服务调用，spanUID为服务调用span标识符，parentUID为父span标识符，如果为‑1，表示当前span为根span，info为包含的其他相关信息，info＝(serviceUID,startTime,endTime,duration)，其中startTime和endTime是服务调用开始、结束时间，duration为服务调用的执行时间，基于上述监测到的服务调用信息，构建服务调用拓扑图，以刻画异常传播；第二步，异常服务检测：构建服务接口的调用次数与服务监测度量之间的关联模型，检测得出所有出现异常的服务，具体步骤如下：(1)服务接口调用监测：表示在时刻t，服务i中q个服务接口的调用次数构成的向量，其中表示时刻t服务i中编号为t₁的服务接口次数；(2)基于Lasso回归的资源建立Lasso回归模型：所述回归模型的自变量为通过步骤(1)中获得的服务接口调用次数构成的向量，因变量为某个度量m在时刻t的监测值，构建的回归模型为：其中为回归系数，α为随机误差项；在约束条件下，通过坐标下降法求解出使得极小的回归系数及误差项，c为调整参数；(3)异常资源检测：在服务运行过程中，基于步骤(2)中构建的Lasso回归模型预测服务的资源度量值，计算残差：其中，Y_i(t)是度量的监测值，是通过Lasso模型对度量的预测值，当残差绝对值大于设定的阈值时，认定度量出现异常，所在服务则检测为异常，最后检测得出所有出现异常的服务；第三步，故障服务诊断：根据第二步中检测得出的所有出现异常的服务以及第一步中监测到的服务调用拓扑图构建故障传播子图，采用PageRank算法评估每个服务的异常程度；第四步，在故障服务内部，基于构建的Lasso回归模型的参数以及预测残差R_i(t)，进一步找出引发异常的接口调用。